رفتن به محتوای اصلی
نوآوری نیمه‌رساناتحول صنعتی۱۶ تیر ۱۴۰۵، ۱۷:۲۵· 5 دقیقه مطالعه· در هوش مصنوعی

هوآوی از معماری تراشه «قانون تاو» رونمایی کرد؛ هدف: ۱۰۰ برابر چگالی سخت‌افزاری هوش مصنوعی بدون کوچک‌سازی

هوآوی یک معماری جدید نیمه‌رسانا معرفی کرده است که مسیر سنتی کوچک‌سازی ترانزیستورها را دور می‌زند و با استفاده از انباشتگی فضایی پیشرفته سه‌بعدی و اتصالات نوری، جهشی عظیم در چگالی محاسباتی هوش مصنوعی نوید می‌دهد.

به قلم ساناز امامی

نوآوران سخت‌افزار 40%واقع‌گرایان ژئوپلیتیک 30%عمل‌گرایان بازار 30%
نوآوران سخت‌افزار
معتقدند که با رسیدن مقیاس‌بندی سنتی سیلیکون به محدودیت‌های فیزیکی، معماری‌های جایگزین مانند فوتونیک و انباشتگی سه‌بعدی تنها مسیر عملی رو به جلو هستند.
واقع‌گرایان ژئوپلیتیک
بر این تمرکز دارند که چگونه کنترل‌های صادراتی غرب، هوآوی را مجبور به نوآوری جانبی کرد و به طور بالقوه استقلال فناوری چین را تسریع بخشید.
عمل‌گرایان بازار
نبوغ نظری طراحی را تأیید می‌کنند اما نسبت به دوام اقتصادی و نرخ بازده تولید چنین ساختارهای پیچیده‌ای تردید دارند.

هوآوی رسماً از یک معماری رادیکال جدید نیمه‌رسانا با نام «قانون تاو» رونمایی کرده است؛ یک چارچوب مهندسی جامع که برای دستیابی به افزایش حیرت‌انگیز ۱۰۰ برابری در چگالی سخت‌افزاری هوش مصنوعی طراحی شده است. این غول فناوری چینی به جای تکیه بر فرآیند دشوار و پرهزینه کوچک‌سازی ترانزیستورها به مقیاس‌های زیر نانومتری، مسیر خود را به طور کامل تغییر داده است. این اعلامیه نشان‌دهنده یک تغییر قطعی در رقابت جهانی نیمه‌رساناها است و پیشنهاد می‌کند که آینده محاسبات عظیم هوش مصنوعی نه در کوچک‌سازی میکروسکوپی، بلکه در بازآفرینی ساختاری در سطح کلان نهفته است. هوآوی با دور زدن محدودیت‌های اتمی سنتی که صنعت را در دهه گذشته محدود کرده‌اند، قصد دارد قوانین فیزیکی حاکم بر توسعه مراکز داده را بازنویسی کند.[1]

به جای مبارزه با فیزیک سخت‌گیرانه «قانون مور» (که حکم می‌کند قطعات الکتریکی کوچک‌تر و کوچک‌تر روی یک قطعه سیلیکونی تخت و دو بعدی بسته‌بندی شوند)، رویکرد قانون تاو به سمت یکپارچه‌سازی عمودی و مسیرهای داده جدید متمایل می‌شود. این معماری از انباشتگی فضایی پیشرفته سه‌بعدی همراه با اتصالات نوری یکپارچه استفاده می‌کند. این بدان معناست که به جای انتقال داده‌ها از طریق سیم‌های مسی سنتی با استفاده از جریان‌های الکتریکی، تراشه‌ها با استفاده از پالس‌های نور با یکدیگر ارتباط برقرار می‌کنند. این رویکرد فوتونیک به طور چشمگیری هم تأخیر (latency) و هم گرمای عظیمی را که توسط مقاومت الکتریکی تولید می‌شود، کاهش می‌دهد و دو مورد از سرسخت‌ترین موانع فیزیکی در طراحی پردازنده‌های مدرن را حل می‌کند.

این اعلامیه در یک مقطع حساس برای صنعت جهانی هوش مصنوعی منتشر می‌شود، صنعتی که در حال حاضر مقادیر بی‌سابقه‌ای سرمایه و برق مصرف می‌کند. آزمایشگاه‌های برتر هوش مصنوعی و تولیدکنندگان سخت‌افزار در سراسر جهان با چیزی که «دیوار حافظه» نامیده می‌شود، برخورد کرده‌اند. در آموزش مدل‌های پیشرفته هوش مصنوعی، جابجایی داده‌ها بین ماژول‌های حافظه و واحدهای پردازشی، در واقع زمان و انرژی بسیار بیشتری نسبت به خود محاسبات ریاضی مصرف می‌کند. معماری هوآوی با یکپارچه‌سازی عمودی حافظه و منطق و اتصال آن‌ها با نور، به طور نظری این دیوار را درهم می‌شکند و به داده‌ها اجازه می‌دهد به جای خزیدن روی سطح تراشه، به طور یکپارچه در حجم آن جریان یابند.[2]

چگونه معماری قانون تاو محدودیت‌های فیزیکی مقیاس‌بندی سنتی سیلیکون را دور می‌زند.

برای هوآوی، این پیشرفت هم یک پیروزی فناورانه عمیق و هم یک ضرورت استراتژیک سخت است که از محدودیت‌های ژئوپلیتیکی نشأت گرفته است. این غول فناوری چینی که از پیشرفته‌ترین دستگاه‌های لیتوگرافی فرابنفش شدید (EUV) تولید شده توسط شرکت‌های غربی محروم شده است، عملاً از مسیر سنتی کوچک‌سازی شدید مسدود شده بود. مهندسان هوآوی که مجبور به نوآوری جانبی شدند، سال‌های اخیر میلیاردها دلار صرف بسته‌بندی جایگزین و علم مواد کرده‌اند. چارچوب قانون تاو نتیجه مستقیم این فشار است و نشان می‌دهد که چگونه محدودیت‌های تجاری به طور ناخواسته پارادایم‌های فناوری جایگزین را تسریع کرده‌اند، نه اینکه صرفاً پیشرفت را متوقف کنند.[3]

برای هوآوی، این پیشرفت هم یک پیروزی فناورانه عمیق و هم یک ضرورت استراتژیک سخت است که از محدودیت‌های ژئوپلیتیکی نشأت گرفته است.

ساختار فیزیکی چارچوب قانون تاو اساساً نیمه‌رسانا را نه به عنوان یک نقشه شهری دو بعدی گسترده، بلکه به عنوان یک آسمان‌خراش سه‌بعدی بسیار کارآمد در نظر می‌گیرد. این معماری با انباشت عمودی واحدهای منطق و حافظه در ده‌ها لایه میکروسکوپی، به قابلیت‌های پردازش موازی عظیمی در کسری از ردپای فیزیکی سنتی دست می‌یابد. این رویکرد حجمی، چگالی توان محاسباتی را ممکن می‌سازد که دستیابی به آن بر روی یک سطح مسطح واحد، صرف نظر از اینکه ترانزیستورهای منفرد چقدر کوچک چاپ شده باشند، از نظر فیزیکی غیرممکن است.[4]

فراتر از معیارهای خام چگالی محاسباتی، مهم‌ترین و فوری‌ترین وعده معماری قانون تاو در بهره‌وری انرژی رادیکال آن نهفته است. هوآوی ادعا می‌کند که طراحی جدید، در مقایسه با شتاب‌دهنده‌های هوش مصنوعی پیشرفته کنونی، ۴۰ درصد کاهش در خروجی حرارتی به ازای هر محاسبه به همراه خواهد داشت. این یک معیار حیاتی است زیرا مراکز داده عظیم هوش مصنوعی به طور فزاینده‌ای شبکه‌های برق ملی را تحت فشار قرار می‌دهند و به دلیل تأثیرات زیست‌محیطی مورد بررسی قرار می‌گیرند. اگر تراشه‌ها خنک‌تر کار کنند و به زیرساخت خنک‌سازی مایع کمتری نیاز داشته باشند، صرفه‌جویی ثانویه در انرژی برای اپراتورهای مراکز داده می‌تواند به اندازه دستاوردهای محاسباتی اولیه تحول‌آفرین باشد.[1]

خروجی حرارتی و صرفه‌جویی در مصرف انرژی پیش‌بینی‌شده با استفاده از اتصالات نوری.

تحلیلگران نیمه‌رسانا و کارکشتگان صنعت با ترکیبی از شیفتگی عمیق و عمل‌گرایی محتاطانه به این رونمایی واکنش نشان داده‌اند. در حالی که فیزیک نظری پشت اتصالات نوری و انباشتگی سه‌بعدی پیشرفته در محافل دانشگاهی به خوبی درک شده و به شدت مورد تحقیق قرار گرفته است، واقعیت تولید به طرز بدنامی سخت‌گیر است. تولید این ساختارهای پیچیده و چندلایه در مقیاس تجاری با نرخ بازده بالا (به معنای درصد پایین تراشه‌های معیوب) به طور تاریخی صنعت را آزار داده است. دقت مورد نیاز برای تراز کردن مسیرهای نوری در لایه‌های سیلیکونی انباشته شده، یک مانع مهندسی است که بسیاری از تلاش‌های قبلی برای تجاری‌سازی محاسبات فوتونیک را متوقف کرده است.[2]

با وجود تردیدهای تولیدی، هوآوی اعتماد زیادی به مسیر جدید خود نشان داده و تأیید کرده است که آزمایش نمونه‌های اولیه در حال حاضر در مراکز داده داخلی تخصصی در حال انجام است. این شرکت سال ۲۰۲۸ را برای تولید انبوه تجاری هدف قرار داده است، یک جدول زمانی تهاجمی که نشان‌دهنده پیشرفت‌های قابل توجه در تکنیک‌های بسته‌بندی اختصاصی آن‌ها است. اگر هوآوی بتواند با موفقیت ادعاهای خود مبنی بر چگالی ۱۰۰ برابری را در مقیاس عملی کند، قانون تاو می‌تواند اساساً اقتصاد هوش مصنوعی را بازنویسی کند. با رها کردن صنعت از محدودیت‌های فیزیکی مقیاس‌بندی سنتی سیلیکون، این رویکرد غیرکوچک‌سازی ممکن است به الگوی اصلی برای دهه آینده زیرساخت محاسباتی جهانی تبدیل شود.[3]

نکات کلیدی

  • هوآوی «قانون تاو» را معرفی کرد، یک معماری تراشه جدید که هدف آن جهش ۱۰۰ برابری در چگالی محاسباتی هوش مصنوعی است.
  • این طراحی، کوچک‌سازی سنتی ترانزیستورها را به نفع انباشتگی سه‌بعدی و اتصالات نوری کنار می‌گذارد.
  • این رویکرد مستقیماً به گلوگاه‌های شدید حرارتی و انرژی که مراکز داده مدرن هوش مصنوعی با آن روبرو هستند، می‌پردازد.
  • تولید انبوه تجاری تراشه‌های جدید برای سال ۲۰۲۸ هدف‌گذاری شده است.

چرا مهم است

از آنجا که صنعت هوش مصنوعی به محدودیت‌های فیزیکی کوچک‌سازی ترانزیستورها رسیده است، رویکرد جدید هوآوی یک نقشه راه عملی برای ادامه افزایش تصاعدی توان محاسباتی ارائه می‌دهد. در صورت موفقیت، این معماری می‌تواند انرژی و فضای مورد نیاز برای مراکز داده عظیم هوش مصنوعی در سراسر جهان را به شدت کاهش دهد.

اصطلاحات کلیدی

قانون مور
مشاهده تاریخی مبنی بر اینکه تعداد ترانزیستورها روی یک ریزتراشه تقریباً هر دو سال دو برابر می‌شود، که معمولاً با کوچک‌سازی آن‌ها حاصل می‌گردد.
اتصالات نوری
فناوری‌ای که به جای الکتریسیته (الکترون‌ها) از نور (فوتون‌ها) برای انتقال داده بین بخش‌های مختلف یک تراشه کامپیوتری استفاده می‌کند و گرما و تأخیر را کاهش می‌دهد.
انباشتگی سه‌بعدی
فرآیند تولیدی که در آن چندین لایه از مدارهای مجتمع به صورت عمودی روی هم چیده می‌شوند تا در فضا صرفه‌جویی شود و اتصال‌پذیری افزایش یابد.
لیتوگرافی
فرآیند بسیار پیچیده‌ای که برای چاپ الگوهای مداری میکروسکوپی بر روی ویفرهای نیمه‌رسانا استفاده می‌شود.

منابع

پوشش منابع

4 منبع

3 دیدگاه شناسایی‌شده

نوآوران سخت‌افزار 40%واقع‌گرایان ژئوپلیتیک 30%عمل‌گرایان بازار 30%
  1. [1]Reutersعمل‌گرایان بازار

    Huawei announces 'Tau Law' architecture, claiming 100x leap in AI compute density

    مطالعه در Reuters
  2. [2]Bloombergواقع‌گرایان ژئوپلیتیک

    Huawei's new chip strategy bypasses extreme miniaturization to challenge Nvidia

    مطالعه در Bloomberg
  3. [3]Financial Timesواقع‌گرایان ژئوپلیتیک

    Huawei's 'Tau Law' breakthrough signals China's pivot away from Western lithography bottlenecks

    مطالعه در Financial Times
  4. [4]arXivنوآوران سخت‌افزار

    Spatial compute density optimization in non-planar semiconductor architectures

    مطالعه در arXiv

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

دریافت هوش مصنوعی اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.